我有以下型号:
y = b1_group1*X1 + b1_group2*X1 + b2_group1*X2 + b2_group2*X2 + ... +
b10_group1*X10 + b10_group2*X10
在R中轻松制作如下:
OLS <- lm(Y ~ t1:Group + t2:Group + t3:Group + t4:Group + t5:Group + t6:Group +
t7:Group + t8:Group + t9:Group + t10:Group,weights = weight, Alldata)
在STATA中,我现在可以进行以下测试:
test (b1_group1=b1_group2) (b2_group1=b2_group2) (b3_group1=b3_group2)
通过F检验告诉我X1,X2和X3的系数组是否在第1组和第2组之间是不同的。
有人可以告诉你如何在R中做到这一点?谢谢!
答案 0 :(得分:3)
看看这个例子:
library(car)
mod <- lm(mpg ~ disp + hp + drat*wt, mtcars)
linearHypothesis(mod, c("disp = hp", "disp = drat", "disp = drat:wt" ))
Linear hypothesis test
Hypothesis:
disp - hp = 0
disp - drat = 0
disp - drat:wt = 0
Model 1: restricted model
Model 2: mpg ~ disp + hp + drat * wt
Res.Df RSS Df Sum of Sq F Pr(>F)
1 29 211.80
2 26 164.67 3 47.129 2.4804 0.08337 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
有关指定测试的各种其他方法,请参阅?linearHypothesis
。
<强>替代:强>
以上显示了一种快速简便的方法来进行假设检验。对假设检验代数有深刻理解的用户可能会发现以下方法更方便,至少对于简单版本的测试而言。我们想说我们要测试cyl
和carb
上的系数是否相同。
mod <- lm(mpg ~ disp + hp + cyl + carb, mtcars)
以下测试是等效的:
测试一:
linearHypothesis(mod, c("cyl = carb" ))
Linear hypothesis test
Hypothesis:
cyl - carb = 0
Model 1: restricted model
Model 2: mpg ~ disp + hp + cyl + carb
Res.Df RSS Df Sum of Sq F Pr(>F)
1 28 238.83
2 27 238.71 1 0.12128 0.0137 0.9076
测试二:
rmod<- lm(mpg ~ disp + hp + I(cyl + carb), mtcars)
anova(mod, rmod)
Analysis of Variance Table
Model 1: mpg ~ disp + hp + cyl + carb
Model 2: mpg ~ disp + hp + I(cyl + carb)
Res.Df RSS Df Sum of Sq F Pr(>F)
1 27 238.71
2 28 238.83 -1 -0.12128 0.0137 0.9076